人大 Agent-Reflex：三阶段训练让 Agent 学会主动反思，五项基准 58.6 分

中国人民大学 NLPIR 团队提出 Agent-Reflex，一个让智能体学会主动反思的通用训练框架。它分 RSD 环境反思技能发现、ReSFT 反思监督微调、ORPO 在线反思策略优化三阶段训练。基于 Qwen3-8B，Agent-Reflex 在五个长程工具使用基准上整体得分 58.6，AgentNoiseBench 上 29.1，代码已开源。